跳到正文
NVIDIA Newsroom· Brian Caulfield·· 8 小时前AI 评分58

NVIDIA 在 SC26 发布 Nemotron for Science、Rubin HPC GPU 与 Vera CPU 平台

Ian Buck Kicks Off NVIDIA’s Week at SC26 as Science Enters the Age of Agents

AI 导读

NVIDIA 在 SC26 上发布面向科研智能体的 Nemotron for Science,并公布 Rubin HPC GPU 和扩展的 Vera CPU 平台。

正文 · AI 翻译

周一,在芝加哥举行的 SC26 大会上,NVIDIA 的 Ian Buck 以面向 AI 智能体的新工具为公司本周的活动揭幕,这些软件能够规划实验、运行代码,并在研究人员自己的系统上检查结果。

在 NVIDIA 的特别演讲中,Buck 发布了 Nemotron for Science、Rubin HPC GPU 以及 面向高性能计算的扩展版 Vera CPU 平台。他还详细介绍了与 IBM 和费米国家加速器实验室在量子计算领域的新合作。

“计算的前沿和新的科学栈将一如既往地是模拟,但会与 AI 以及量子的未来相结合,”NVIDIA 超大规模与高性能计算副总裁 Buck 表示。 

Buck 在开场时回顾了他 20 年前在佛罗里达州坦帕市 SC06 教程上首次公开谈论 CUDA 的经历。他说,NVIDIA 现在提供超过 1,000 个 CUDA-X 库。

面向科学智能体的开放模型

“(智能体)彻底改变了我们与超级计算机、设备、仪器交互的方式,以及我们开展研究的方式,”Buck 说。

Buck 表示,模拟仍然是科学计算的基础,“它将始终处于最顶层”,而 AI、量子以及如今的智能体则与之协同工作。

Buck 解释说,Nemotron for Science 将 Nemotron 3.5 Super VL 开放模型与新的开放化学数据集以及面向生命科学和化学的后训练配方相结合。研究人员可以在 DGX Spark、工作站或自己的超级计算机上本地运行它。

Buck 表示,在阿贡国家实验室,一个用该工具包构建的智能体接收单条提示,规划并测试假设,选择要运行哪些模拟,并识别出两个新的结合位点。

“你的数据归你所有。模型也归你所有,”Buck 说。

Buck 重点介绍了其他已在使用的智能体:

  • GROMACS: 来自瑞典皇家理工学院的智能体能够自行修复损坏的 GROMACS 配置。在一次于单台 DGX Spark 上进行的通宵运行中,它修复了 81% 的测试用例。
  • SETI 研究所: 在艾伦望远镜阵列,一个智能体接收一行提示来绘制甲醇谱线。Buck 解释说,它随后自行针对多普勒频移进行了重新调谐 [NGC 869 与 896,请核对幻灯片]。
  • Nsight AI 移植智能体: Buck 表示,NVIDIA 的新智能体将天气研究与预报(WRF)模型中的一个例程移植到 GPU 上,使用约 1.5 亿个 token 将其加速了 5 倍以上。

面向智能体循环的 CPU

Buck 解释说,智能体依赖 CPU 在模型步骤之间运行工具调用。

“这正是智能体所需要的,”他说。“它们需要一个能够运行、评估、运行工具、执行操作、收集结果的 CPU。” 

德国气候计算中心 DKRZ 已为其 HLRE-5 超级计算机选择 Vera CPU,该超算预计于 2028 年初交付。Buck 表示,这加入了已在德克萨斯高级计算中心宣布的 Vera 系统行列。 

面向科学的新 GPU

Buck 表示,Rubin HPC 是 Vera Rubin 平台中的一款新 GPU,专为科学、工程、分析和 AI 打造。 

它支持从 FP64 到 FP4 的精度,增加了稀疏数据加速,并通过第七代 NVIDIA NVLink 连接。Buck 表示,它拥有超过 50,000 个 CUDA 核心,约为 Hopper 的三倍。预计于 2028 年推出。

量子纠错

Buck 表示,在 Jülich 的 JUPITER 超级计算机上进行的一项模拟显示,一种名为 magic state cultivation 的技术可以将一个逻辑步骤所需的操作减少十倍。这项工作正在被添加到 CUDA-Q 中。

NVIDIA、IBM 和 Fermilab 今天宣布计划建立一个量子计算协同设计平台,以支持纠错和应用研究。NVIDIA 和 IBM 正在将 NVIDIA DGX B200 系统与 IBM 量子计算机配对,包括那些由 IBM Quantum Nighthawk 驱动的量子计算机。 

Buck 还介绍了量子解码方面的一项新突破。Buck 解释说,目标是将解码延迟从约 300 微秒降低到 10 微秒。他表示,一种新的 CUDA-Q 解码算法 TCBP-JOBS 将纠错研究计算从 12 周缩短到 45 分钟。

网络

Buck 还展示了 NVIDIA Photonics 共封装光学交换机在 Lambda 的首批部署之一。他表示,这些交换机在误码和链路抖动方面的可靠性提高了 15 倍。 

请参阅 通知,了解软件产品信息。 

来源:NVIDIA Newsroom · blogs.nvidia.com